Merge branch 'main' of https://git.efi.th-nuernberg.de/gitea/ehrnspergersi95041/NeuronalesNetzwerk

Start_Windows/imageInputTests.c

@@ -2,7 +2,7 @@
 #include <stdlib.h>
 #include <stdio.h>
 #include <string.h>
-#include "unity.h"
+#include "./unity/unity.h"
 #include "imageInput.h"
 
 
@@ -54,7 +54,7 @@ void test_readImagesReturnsCorrectImageWidth(void)
     GrayScaleImageSeries *series = NULL;
     const unsigned short expectedWidth = 10;
     const char *path = "testFile.info2";
-    prepareImageFile(path, 8, expectedWidth, 2, 1);
+    prepareImageFile(path, expectedWidth, 8, 2, 1);
     series = readImages(path);
     TEST_ASSERT_NOT_NULL(series);
     TEST_ASSERT_NOT_NULL(series->images);
@@ -70,7 +70,7 @@ void test_readImagesReturnsCorrectImageHeight(void)
     GrayScaleImageSeries *series = NULL;
     const unsigned short expectedHeight = 10;
     const char *path = "testFile.info2";
-    prepareImageFile(path, expectedHeight, 8, 2, 1);
+    prepareImageFile(path, 8, expectedHeight, 2, 1);
     series = readImages(path);
     TEST_ASSERT_NOT_NULL(series);
     TEST_ASSERT_NOT_NULL(series->images);

Start_Windows/matrixTests.c

@@ -2,7 +2,7 @@
 #include <stdio.h>
 #include <stdlib.h>
 #include "matrix.h"
-#include "unity.h"
+#include "./unity/unity.h"
 
 
 void test_createMatrixFailsOnZeroDimensions(void)

Start_Windows/neuralNetworkTests.c

@@ -2,13 +2,71 @@
 #include <stdlib.h>
 #include <string.h>
 #include <math.h>
-#include "unity.h"
+#include "./unity/unity.h"
 #include "neuralNetwork.h"
 
+ // TODO
+//     Das Neuronale Netz
+// Inhalte: Strukturen, Dateien schreiben
+// Ein neuronales besteht aus verschiedenen Schichten und ihren Parametern.
+// Die Struktur NeuralNetwork und die Implementierung in der entsprechenden Quelltextdatei bildet dies ab.
+// Für die passenden Unittests fehlt jedoch noch eine Methode, die eine gültige Testdatei erzeugt,
+// mit der die Funktionalität getestet werden kann.
+// Die Datei beginnt mit dem Identifikationstag __info2_neural_network_file_format__,
+// gefolgt von den einzelnen Schichten.
+//
+// Aufgaben:
+// 1) Implementieren Sie die Funktion prepareNeuralNetworkFile() in neuralNetworkTests.c.
+// Praktikum Informatik 2
+//
+// Wintersemester 2025
+// 2) Stellen Sie sicher, dass alle Unittests erfolgreich durchlaufen.
+// make neuralNetworkTests && ./runNeuralNetworkTests
 
 static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
 {
-    // TODO
+    // First Draft
+
+    // 1. Datei im binären Schreibmodus öffnen
+    FILE *file = fopen(path, "wb");
+    if (file == NULL) {
+        perror("Fehler beim Öffnen der Datei");
+        return;
+    }
+
+    // 2. Den Identifikations-Tag schreiben
+    const char *fileTag = "__info2_neural_network_file_format__";
+    fwrite(fileTag, sizeof(char), strlen(fileTag), file);
+
+    // 3. Die Anzahl der Schichten schreiben
+    fwrite(&nn.numberOfLayers, sizeof(int), 1, file);
+
+    // 4. Schleife über alle Schichten, um deren Daten zu schreiben
+    for (int i = 0; i < nn.numberOfLayers; i++) {
+        Layer currentLayer = nn.layers[i];
+
+        // 4a. Daten der Gewichts-Matrix (weights) schreiben
+        Matrix weights = currentLayer.weights;
+        int weightElements = weights.rows * weights.cols;
+
+        // Schreibe Dimensionen (Zeilen, Spalten)
+        fwrite(&weights.rows, sizeof(int), 1, file);
+        fwrite(&weights.cols, sizeof(int), 1, file);
+        // Schreibe den Daten-Buffer (die eigentlichen Zahlen)
+        fwrite(weights.buffer, sizeof(MatrixType), weightElements, file);
+
+        // 4b. Daten der Bias-Matrix (biases) schreiben
+        Matrix biases = currentLayer.biases;
+        int biasElements = biases.rows * biases.cols;
+
+        // Schreibe Dimensionen (Zeilen, Spalten)
+        fwrite(&biases.rows, sizeof(int), 1, file);
+        fwrite(&biases.cols, sizeof(int), 1, file);
+        // Schreibe den Daten-Buffer
+        fwrite(biases.buffer, sizeof(MatrixType), biasElements, file);
+    }
+    // 5. Datei schließen
+    fclose(file);
 }
 
 void test_loadModelReturnsCorrectNumberOfLayers(void)